ParMat : Parallélisation pour la simulation des Matériaux.

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "ParMat : Parallélisation pour la simulation des Matériaux."

Transcription

1 : Parallélisation pour la simulation des Matériaux. G. Bencteux (EDF) 3 septembre 2008

2 Outline 1 2 Un algorithme d ordre N pour les calculs ab initio (DFT/HF) 3 Simulation du dommage d irradiation par un algorithme de Monte Carlo cinétique 4 Simulation du dommage d irradiation par un modèle de champ moyen 5

3 Plan Généralités 1 Généralités 2 Un algorithme d ordre N pour les calculs ab initio (DFT/HF) 3 Simulation du dommage d irradiation par un algorithme de Monte Carlo cinétique 4 Simulation du dommage d irradiation par un modèle de champ moyen 5

4 Généralités Simulation du dommage d irradiation 1nm3 0 - ps (10-30nm)3 ab initio ns Molecular dynamics m3 40 years Finite elements cm3 Barbu, CEA Multi-scale modelling s-h Pareige, U. Rouen + experimental validation Micro-macro (30-100nm)3 µm3 h-year Dislocation dynamics Mesoscopic

5 Principaux objectifs du projet Généralités 3 codes de la chaîne particulièrement gourmands en ressources info : calculs ab initio, simulations, simulations par champ moyen. Améliorer les performances essentiellement par parallélisation (développements algorithmiques) et optimisation de code. Machines cibles (tout type de processeurs) : clusters de labo (. 100 procs), clusters du CCRT-B, machines BlueGene.

6 http ://item.edf.fr/parmat Généralités CAPS L. Bertaux et F. Bodin. CEA/SRMP A. Barbu, S. Le Bourdiec, C. Marinica. CERMICS E. Cancès, C. Le Bris, H. Amor. CNRS/LMPGM C. Becquart. EDF M. Barrault, G. Bencteux, C. Domain, P. Olsson.

7 alloués Généralités Budget total du projet / Aide ANR (M) : 1,3 / 0,5 Répartition du budget () : Répartition de la main d œuvre (homme-mois). Equipements Consomm. & Missions LMPGM EDF Non Permanents Permanents CEA CAPS CERMICS

8 Plan 1 2 Un algorithme d ordre N pour les calculs ab initio (DFT/HF) 3 Simulation du dommage d irradiation par un algorithme de Monte Carlo cinétique 4 Simulation du dommage d irradiation par un modèle de champ moyen 5

9 Une simulation = résolution itérative. Boucle SCF. Etape limitante au-delà de 1000 atomes dans les calculs DFT/HF (bases localisées) = étape de diagonalisation. Calcul répété à chaque itération. Travaux antérieurs Cermics + EDF : algorithme de décomposition de domaine de complexité linéaire pour cette étape.

10 Au début du projet : restrictions géométriques sur l algo : domaines alignés, maquette, matrices isolées, extraites de calcul ab initio sur des molécules réelles. : répartition quelconque des domaines, intégration dans la boucle SCF : questions numériques et travail informatique. portage et optimisation sur plusieurs milliers de processeurs (BlueGene).

11 améliorations des performances en 1D : accélération, diminution de la mémoire, amélioration de la convergence (EDF + CERMICS), optimisation : bibliothèques d algèbre linéaire, dgemm. (CAPS) Erreur Max densité v. initiale v. actuelle Matrice issue du calcul RHF d un alcane à 200 C, base STO-3G CPU (s)

12 portage BlueGene (EDF). Speedup % 32 p Nb processeurs Speed-up entre 32 et 1024 processeurs calcul Alcane à 2:10 5 Carbones matrice de taille 1: Matrice de taille 1:10 7 ) 1h sur 1024 processeurs. répartition quelconque des domaines : version 2D/3D. Adaptation de l algo et implémentation. (EDF + CERMICS)

13 Communications Ces travaux ont été présentés dans plusieurs séminaires, workshops et congrès : session plénière à DD18, Jerusalem, janvier 2008 (C. Le Bris), session plénière à SciCADE 2007, Saint-Malo, juillet 2007 (C. Le Bris), Cement Science Workshop, MIT, janvier 2007 (E. Cancès), Workshop demon 007, septembre 2007 (E. Cancès), Congrès de la SMAI, juin 2007 (G. Bencteux), Poster, Summer Program, Classical and Quantum Approaches in Molecular Modeling, 2007 (G. Bencteux), Parallel Computing 2007, Jülich, September 2007 (G. Bencteux), DTU Berlin, 2008, séminaire + workshop (G. Bencteux),

14 Etat au 01/07/08. (En mois.) Consommé Reste CAPS 3 3 CERMICS 5 34 EDF 7 15

15 Tâches jusqu à la fin du projet version 2D/3D : parallélisme et portage sur Blue Gene (EDF). MPI + openmp (via Lapack), ou : MPI à 2 niveaux (Scalapack) + open MP intégration dans la boucle SCF : code hôte envisagé : CONQUEST ou bigdft (EDF + CERMICS). test du libraryadaptor pour le choix de la meilleure bibliothèque disponible pour une opération donnée. (CAPS) Noyaux optimisés pour dgemm sur matrices rectangulaires.

16 Plan & 1 2 Un algorithme d ordre N pour les calculs ab initio (DFT/HF) 3 Simulation du dommage d irradiation par un algorithme de Monte Carlo cinétique & 4 Simulation du dommage d irradiation par un modèle de champ moyen 5

17 LAKIMOKA & Code de simulation de l évolution spatio-temporelle du dommage d irradiation. Pièges Boucles d interstitiels Amas d interstitiels Boucles de lacunes

18 LAKIMOKA & L aléa est dans le choix de la séquence d évènements : difficile à paralléliser. Recombination Emission + Electrons PBC or surface Interstitial loop Pièges Emission Vacancy cluster + Frenkel pairs Interstitial cluster Neutrons 200nm Vacancy loop + Annihilation Migration cascade Paramétrisation

19 & On veut diminuer le temps de retour d une simulation et augmenter la taille de boite par tout moyen possible : amélioration du code séquentiel, stratégie de parallélisation. Question ouverte. Programme de travail : 1 analyse de travaux antérieurs, 2 étude de faisabilité de leur transposition à notre problème spécifique, 3 mise en œuvre dans le code LAKIMOKA de la meilleure solution identifiée.

20 & & L analyse des travaux antérieurs a débuté. Pas de résultats significatifs faute de post-doctorant. Consommé Reste CNRS 1 20 EDF 1 10

21 Plan 1 2 Un algorithme d ordre N pour les calculs ab initio (DFT/HF) 3 Simulation du dommage d irradiation par un algorithme de Monte Carlo cinétique 4 Simulation du dommage d irradiation par un modèle de champ moyen 5

22 Modélisation par champ moyen Moins de détails que dans les simulations par Monte-Carlo cinétique : représentation simplifiée des défauts : composition et taille, homogénéisation spatiale. Populations régies par une modélisation : cinétique chimique. Réaliser des simulations avec des défauts complexes et de grande taille beaucoup plus rapidement que Lakimoka. 1e+16 Concentration 1e+12 1e n de l amas Répartition des défauts après 10 7 s d irradiation par des électrons du Fe pur (pas de soluté).

23 initiaux Au début du projet : un code qui simule la cinétique chimique par des équations différentielles déterministes classiques (EDO) : défauts avec un type de soluté, traitement numérique pour regrouper les amas de grande taille (pas pour les solutés). Malgré ce traitement continu des grandes tailles, les simulations cibles représentent 10 8 à 10 9 équations différentielles. initiaux dans : simulation des résultats expérimentaux : multiplier par 10 4 la taille du système. Parallélisation, amélioration du modèle : effet d hétérogénéité spatiale par couplage de simulations. Parallélisation.

24 : approche déterministe (CEA, CAPS, EDF) Amélioration du code : formules exactes pour le jacobien : CPU divisé par 10, adaptation de la tolérance du solveur : CPU divisé par 2. Identification de modifications à faire avant la parallélisation : partie linéaire du solveur d EDO pénalisante (implémentation). Brancher sur une bibliothèque externe (BLAS/LAPACK,...) optimisée, jacobiens très creux et structurés : flèche (renumérotation). Adapter le solveur linéaire direct. Gain en CPU et en mémoire.

25 Une approche stochastique pour intégrer le modèle Intégration stochastique de la cinétique chimique (Gillespie, 1976). Collaboration avec V. Bulatov (Livermore). Concentration totale de défauts constante ( 10 4 pour 1(m) 3 ). Intérêts : effet stochastique des réactions chimiques, aucun problème de mémoire, ni de conditions aux limites, on peut traiter sans approximation les très gros défauts, on peut envisager le traitement de plusieurs solutés. 1e+16 Concentration 1e+12 1e n de l amas

26 : approche stochastique (CEA, EDF) Un premier code ayant pratiquement toutes les fonctionnalités du code déterministe. CPU équivalent entre les 2 versions, pour volume assez faible. Concentration 1e+16 1e+12 1e dét. st., V=1 st., V=10 8 st., V= s de temps physique, irradiation aux électrons, pas de soluté Taille des amas choix du degré de résolution

27 En mois. Consommé Reste CAPS 3 3 CEA EDF 3 3

28 Tâches jusqu à la fin du projet On poursuit les deux approches qui semblent complémentaires : Méthode déterministe : lier le solveur d EDO à des bibliothèques d algèbre linéaire optimisées, exploiter la structure du jacobien, paralléliser l inversion des systèmes linéaires. Méthode stochastique : implémenter toutes les fonctionalités du code déterministe (soluté), améliorer l efficacité numérique du solveur, communication écrite.

29 Plan 1 2 Un algorithme d ordre N pour les calculs ab initio (DFT/HF) 3 Simulation du dommage d irradiation par un algorithme de Monte Carlo cinétique 4 Simulation du dommage d irradiation par un modèle de champ moyen 5

30 Livrables principaux Ordre N pour ab initio Monte Carlo cinétique Champ moyen Livrable Date initiale Nouvelle date Code MultiDim. 04/08 10/08 Intégration 04/09 10/09 boucle SCF Portage BlueGene 10/09 04/10 Analyse biblio. 01/08 03/09 Faisabilité pour 07/09 12/09 irradiation Tests 12/09 04/10 dans LAKIMOKA Parallélisation 07/08 12/09 cinétique déterm. Code stochastique 12/09 04/10 complet

31 Conclusion Rappel des principaux résultats : : accélération et passage au multid. Simulations par champ moyen : accélération de l existant et nouvelle technique de simulation pour les cas très complexes. Le projet a pris un peu de retard principalement dû au problème de recrutement des post doctorants. La faisabilité du programme n est pas remise en cause, mais un décalage de l ordre de 6 mois sera nécessaire.

Solveur linéaire sur GPU

Solveur linéaire sur GPU Thomas JOST 1 Sylvain CONTASSOT-VIVIER 1,2 Stéphane VIALLE 1,3 1 Équipe AlGorille, LORIA 2 Université Henri Poincaré Nancy 1 3 Équipe IMS Supélec (Metz) 1 Introduction 2 Contraintes et algorithmes Structure

Plus en détail

Olivier Coulaud Projet ScAlApplix. 8 janvier 2008

Olivier Coulaud Projet ScAlApplix. 8 janvier 2008 Simulation de la propagation de fissures dans les lentilles du Laser Méga Joule : de la physique des matériaux au calcul haute performance en passant par l'algorithmique, la visualisation et le pilotage

Plus en détail

Calcul Haute Performance avec OpenTURNS

Calcul Haute Performance avec OpenTURNS Calcul Haute Performance avec OpenTURNS Renaud Barate EDF R&D Workshop du GdR MASCOT-NUM «Quantification d incertitude et calcul intensif» 28 Mars 2013 Sommaire Présentation du logiciel OpenTURNS Problématiques

Plus en détail

Analyse des propriétés de matériaux sous choc par simulations moléculaires (Monte Carlo et dynamique moléculaire)

Analyse des propriétés de matériaux sous choc par simulations moléculaires (Monte Carlo et dynamique moléculaire) Analyse des propriétés de matériaux sous choc par simulations moléculaires (Monte Carlo et dynamique moléculaire) Laurent Soulard CEA-DAM Ile-de-France laurent.soulard@cea.fr 1 Problématique La DAM est

Plus en détail

Analyse et mesure de performances du calcul distribué

Analyse et mesure de performances du calcul distribué Analyse et mesure de performances du calcul distribué Mohsine Eleuldj Département Génie Informatique, EMI eleuldj@emi.ac.ma CruCID Workshop, EMI, Rabat, 5 au 7 juillet 1999 Motivation Types d applications

Plus en détail

Objectifs. Calcul scientifique. Champ d applications. Pourquoi la simulation numérique?

Objectifs. Calcul scientifique. Champ d applications. Pourquoi la simulation numérique? Objectifs Calcul scientifique Alexandre Ern ern@cermics.enpc.fr (CERMICS, Ecole des Ponts ParisTech) Le Calcul scientifique permet par la simulation numérique de prédire, optimiser, contrôler... le comportement

Plus en détail

Kick-off ANR Compass

Kick-off ANR Compass Kick-off ANR Compass Contribution MDLS Pierre Kestener CEA-Saclay, DSM, France Maison de la Simulation Meudon, 14 mars 2013 1 / 10 La Maison de la Simulation Laboratoire de recherche pluridisciplinaire

Plus en détail

«Pièges», «erreurs» et pathologie des calculs numériques

«Pièges», «erreurs» et pathologie des calculs numériques Session de formation continue ENPC «Pièges», «erreurs» et pathologie des calculs numériques 6-8 octobre 2010 Philippe Mestat (LCPC) «Pièges» pour débutant?. Conditions limites en déplacements : il faut

Plus en détail

Demande d attribution de ressources informatiques. Sur le Centre de Calculs Interactifs de l Université de Nice Sophia-Antipolis

Demande d attribution de ressources informatiques. Sur le Centre de Calculs Interactifs de l Université de Nice Sophia-Antipolis Demande d attribution de ressources informatiques Sur le Centre de Calculs Interactifs de l Université de Nice Sophia-Antipolis Titre du projet : Nom du laboratoire : Nom de l établissement hébergeur :

Plus en détail

Journée Utilisateurs CIMENT

Journée Utilisateurs CIMENT Journée Utilisateurs CIMENT L. Viry - C. Picard Animation Scientifique 3 Avril 2012 (Grenoble) 3 Avril 2012 1 / 12 Animation Scientifique Les applications de modélisation sont de plus en plus fréquemment

Plus en détail

Enoncé des travaux pratiques. du cours OpenMP

Enoncé des travaux pratiques. du cours OpenMP Enoncé des travaux pratiques Enoncé des travaux pratiques du cours OpenMP Enoncé des travaux pratiques : description Description Les travaux pratiques se dérouleront sur les nœuds vargas (grappes de 35

Plus en détail

Evaluation de performance en Sûreté de Fonctionnement

Evaluation de performance en Sûreté de Fonctionnement Groupe SdF Midi-Pyrénées Toulouse 5 juin 2015 Evaluation de performance en Sûreté de Fonctionnement - Andre.cabarbaye Plan Introduction Types de performances Finalité des analyses Attentes du donneur d

Plus en détail

Optimisation de requêtes. I3009 Licence d informatique 2015/2016. Traitement des requêtes

Optimisation de requêtes. I3009 Licence d informatique 2015/2016. Traitement des requêtes Optimisation de requêtes I3009 Licence d informatique 2015/2016 Cours 5 - Optimisation de requêtes Stéphane.Gançarski Stephane.Gancarski@lip6.fr Traitement et exécution de requêtes Implémentation des opérateurs

Plus en détail

Etude d Algorithmes Parallèles de Data Mining

Etude d Algorithmes Parallèles de Data Mining REPUBLIQUE TUNISIENNE MINISTERE DE L ENSEIGNEMENT SUPERIEUR, DE LA TECHNOLOGIE ET DE LA RECHERCHE SCIENTIFIQUE UNIVERSITE DE TUNIS ELMANAR FACULTE DES SCIENCES DE TUNIS DEPARTEMENT DES SCIENCES DE L INFORMATIQUE

Plus en détail

Retour d expérience en Astrophysique : utilisation du Cloud IaaS pour le traitement de données des missions spatiales

Retour d expérience en Astrophysique : utilisation du Cloud IaaS pour le traitement de données des missions spatiales Retour d expérience en Astrophysique : utilisation du Cloud IaaS pour le traitement de données des missions spatiales Cécile Cavet cecile.cavet at apc.univ-paris7.fr Centre François Arago (FACe), Laboratoire

Plus en détail

M1 MIAGE Option IFD Data Mining et Parallélisme

M1 MIAGE Option IFD Data Mining et Parallélisme M1 MIAGE Option IFD Data Mining et Parallélisme Alexandre Termier 2011-2012 S2 1 / 24 Besoin ˆ Data Mining doit... traiter de gros volumes de données pouvoir eectuer des analyses complexes (gros calculs)

Plus en détail

APRON: Analyse de PRogrammes Numérique

APRON: Analyse de PRogrammes Numérique Introduction APRON: Analyse de PRogrammes Numérique Projet 2004 François Irigoin École des Mines de Paris - Centre de Recherche en Informatique 17 novembre 2004 Introduction Pourquoi? Analyse statique

Plus en détail

Les méthodes d optimisation appliquées à la conception de convertisseurs électromécaniques. Elec 2311 : S7

Les méthodes d optimisation appliquées à la conception de convertisseurs électromécaniques. Elec 2311 : S7 Les méthodes d optimisation appliquées à la conception de convertisseurs électromécaniques Elec 2311 : S7 1 Plan du cours Qu est-ce l optimisation? Comment l optimisation s intègre dans la conception?

Plus en détail

Développement de méthodes multi-grilles dans le cadre de l intéraction pastille/gaine

Développement de méthodes multi-grilles dans le cadre de l intéraction pastille/gaine Développement de méthodes multi-grilles dans le cadre de l intéraction pastille/gaine January 25, 2011 Ce n est le bon chemin que si la flèche vise le coeur, R.Hauser Intéraction Pastille/Gaine Fonctionnement

Plus en détail

TABLE DES MATIÈRES CHAPITRE I. Les quanta s invitent

TABLE DES MATIÈRES CHAPITRE I. Les quanta s invitent TABLE DES MATIÈRES AVANT-PROPOS III CHAPITRE I Les quanta s invitent I-1. L Univers est en constante évolution 2 I-2. L âge de l Univers 4 I-2.1. Le rayonnement fossile témoigne 4 I-2.2. Les amas globulaires

Plus en détail

ENSEIRB-MATMECA PG-113 2014. TP6: Optimisation au sens des moindres carrés

ENSEIRB-MATMECA PG-113 2014. TP6: Optimisation au sens des moindres carrés ENSEIRB-MATMECA PG-113 014 TP6: Optimisation au sens des moindres carrés Le but de ce TP est d implémenter une technique de recalage d images qui utilise une méthode vue en cours d analyse numérique :

Plus en détail

De 2 à 22 millions d'images; Création, Indexation et Recherche par le contenu avec PiRiA

De 2 à 22 millions d'images; Création, Indexation et Recherche par le contenu avec PiRiA De 2 à 22 millions d'images; Création, Indexation et Recherche par le contenu avec PiRiA contact : patrick.hède@cea.fr Commissariat à l'energie Atomique GdR isis : Passage à l'échelle dans la recherche

Plus en détail

P R O G R A M M E E T I N S T R U C T I O N S O F F I C I E L L E S

P R O G R A M M E E T I N S T R U C T I O N S O F F I C I E L L E S P R O G R A M M E E T I N S T R U C T I O N S O F F I C I E L L E S POUR L ENSEIGNEMENT DE L INFORMATIQUE MPSI première année I. Objectifs de la formation II-1 Développement de compétences et d aptitudes

Plus en détail

Xeon Phi au CRIHAN. Patrick BOUSQUET-MÉLOU (pbm@crihan.fr) 16 Juin 2015

Xeon Phi au CRIHAN. Patrick BOUSQUET-MÉLOU (pbm@crihan.fr) 16 Juin 2015 Xeon Phi au CRIHAN Patrick BOUSQUET-MÉLOU (pbm@crihan.fr) 16 Juin 2015 Objectifs Veille technologique architecture many-core Se former pour préparer les utilisateurs au Xeon Phi «Knights Landing» (2016)

Plus en détail

BE de programmation MPI-1 par envois de messages bloquants

BE de programmation MPI-1 par envois de messages bloquants BE-MPI-1envois de messages bloquants Page 1 of 3 01/03/2010 Calcul parallèle et distribué, et Grilles de calculs Cours de 3ème année SI à Supélec BE de programmation MPI-1 par envois de messages bloquants

Plus en détail

COMOTEX COMmande temps réel de systèmes d Optique adaptative à Très grands nombres de degrés de liberté pour les télescopes EXtrêmement grands

COMOTEX COMmande temps réel de systèmes d Optique adaptative à Très grands nombres de degrés de liberté pour les télescopes EXtrêmement grands COMOTEX COMmande temps réel de systèmes d Optique adaptative à Très grands nombres de degrés de liberté pour les télescopes EXtrêmement grands Morgan GRAY Cyril PETIT, Sergey RODIONOV, Marc BOCQUET Laurent

Plus en détail

I Stabilité, Commandabilité et Observabilité 11. 1 Introduction 13 1.1 Un exemple emprunté à la robotique... 13 1.2 Le plan... 18 1.3 Problème...

I Stabilité, Commandabilité et Observabilité 11. 1 Introduction 13 1.1 Un exemple emprunté à la robotique... 13 1.2 Le plan... 18 1.3 Problème... TABLE DES MATIÈRES 5 Table des matières I Stabilité, Commandabilité et Observabilité 11 1 Introduction 13 1.1 Un exemple emprunté à la robotique................... 13 1.2 Le plan...................................

Plus en détail

S. CALVEZ. Travail réalisé au laboratoire GTL-CNRS Telecom / LOPMD Doctorat commun avec le Georgia Institute of Technology (Atlanta)

S. CALVEZ. Travail réalisé au laboratoire GTL-CNRS Telecom / LOPMD Doctorat commun avec le Georgia Institute of Technology (Atlanta) Laser à fibre pour les télécommunications multiplexées en longueur d onde : Etude de l accordabilité en longueur d onde et de la génération de trains d impulsions multi-longueurs d onde par voie électro-optique

Plus en détail

Machines composées de (depuis 1940 env.) : http://cui.unige.ch/isi/cours/std/

Machines composées de (depuis 1940 env.) : http://cui.unige.ch/isi/cours/std/ données pr ogramme 11111101 11001101 01000101 b us disque ma gnétique processeur écran Structures de données et algorithmes Ordinateurs Gilles Falquet, printemps-été 2002 Machines composées de (depuis

Plus en détail

Thales Research & Technology

Thales Research & Technology Thales Research & Technology Kick-off OpenGPU SP2 SPEAR Design Environment 25/03/10 Research & Technology SPEAR Design Environment 25/03/10 Approche semi-automatique complémentaire des compilateurs paralléliseurs

Plus en détail

Présentation CaSciModOT Performances et Architectures

Présentation CaSciModOT Performances et Architectures Présentation CaSciModOT Performances et Architectures Code parallèle : Un peu de théorie Architectures variables : C(n,p)? Quel code? Quelle architecture? Structure d un code : partie parallèle / séquentielle

Plus en détail

Contexte et motivations Les techniques envisagées Evolution des processus Conclusion

Contexte et motivations Les techniques envisagées Evolution des processus Conclusion Vérification de logiciels par analyse statique Contexte et motivations Les techniques envisagées Evolution des processus Conclusion Contexte et motivations Specification Design architecture Revues and

Plus en détail

Exemple d implantation de fonction mathématique sur ST240

Exemple d implantation de fonction mathématique sur ST240 Exemple d implantation de fonction mathématique sur ST240 Guillaume Revy Encadrants : Claude-Pierre Jeannerod et Gilles Villard Équipe INRIA Arénaire Laboratoire de l Informatique du Parallélisme - ENS

Plus en détail

Calculs parallèles et Distribués. Benmoussa Yahia Université M hamed Bougara de Boumerdès yahia.benmoussa@gmail.com

Calculs parallèles et Distribués. Benmoussa Yahia Université M hamed Bougara de Boumerdès yahia.benmoussa@gmail.com Calculs parallèles et Distribués Benmoussa Yahia Université M hamed Bougara de Boumerdès yahia.benmoussa@gmail.com Calculs parallèles et Distribués Introduction Parallélisation sur mémoire distribuée.

Plus en détail

Cours de Méthodes Déterministes en Finance (ENPC) Benoît Humez Société Générale Recherche Quantitative benoit.humez@sgcib.com

Cours de Méthodes Déterministes en Finance (ENPC) Benoît Humez Société Générale Recherche Quantitative benoit.humez@sgcib.com Cours de Méthodes Déterministes en Finance (ENPC) Benoît Humez Société Générale Recherche Quantitative benoit.humez@sgcib.com Points abordés Méthodes numériques employées en finance Approximations de prix

Plus en détail

Gestion dynamique des tâches dans les grappes

Gestion dynamique des tâches dans les grappes Gestion dynamique des tâches dans les grappes une approche à base de machines virtuelles Fabien Hermenier Équipe ASCOLA, École des Mines de Nantes 26 novembre 2009 Fabien Hermenier (ASCOLA) Gestion dynamique

Plus en détail

Projet CLANU en 3GE: Compléments d algèbre linéaire numérique

Projet CLANU en 3GE: Compléments d algèbre linéaire numérique Projet CLANU en 3GE: Compléments d algèbre linéaire numérique Année 2008/2009 1 Décomposition QR On rappelle que la multiplication avec une matrice unitaire Q C n n (c est-à-dire Q 1 = Q = Q T ) ne change

Plus en détail

Multiplication par une constante entière

Multiplication par une constante entière Multiplication par une constante entière Vincent Lefèvre Juin 2001 Introduction But : générer du code optimal à l aide d opérations élémentaires (décalages vers la gauche, additions, soustractions). Utile

Plus en détail

CRIHAN Centre de Ressources Informatiques de HAute-Normandie

CRIHAN Centre de Ressources Informatiques de HAute-Normandie ACT-MG-v2 CRIHAN Centre de Ressources Informatiques de HAute-Normandie Journée Entreprises & HPC-PME au CRIHAN - 11 avril 2013 CRIHAN Missions Concept : mutualisation de services et d équipements Réseau

Plus en détail

APPLICATION DE LA RECHERCHE OPÉRATIONNELLE DANS DES APPLICATIONS OPÉRATIONNELLES FRANCIS SOURD SNCF INNOVATION & RECHERCHE

APPLICATION DE LA RECHERCHE OPÉRATIONNELLE DANS DES APPLICATIONS OPÉRATIONNELLES FRANCIS SOURD SNCF INNOVATION & RECHERCHE APPLICATION DE LA RECHERCHE OPÉRATIONNELLE DANS DES APPLICATIONS OPÉRATIONNELLES FRANCIS SOURD SNCF INNOVATION & RECHERCHE INAUGURATION DE L INSTITUT HENRI FAYOL 17/05/2013 DE L OPTIMISATION MATHEMATIQUE

Plus en détail

Points fixes de fonctions à domaine fini

Points fixes de fonctions à domaine fini ÉCOLE POLYTECHNIQUE ÉCOLE NORMALE SUPÉRIEURE DE CACHAN ÉCOLE SUPÉRIEURE DE PHYSIQUE ET DE CHIMIE INDUSTRIELLES CONCOURS D ADMISSION 2013 FILIÈRE MP HORS SPÉCIALITÉ INFO FILIÈRE PC COMPOSITION D INFORMATIQUE

Plus en détail

Programmation efficace des multicœurs Application a la visualisation scientifique

Programmation efficace des multicœurs Application a la visualisation scientifique Programmation efficace des multicœurs Application a la visualisation scientifique Marc Tchiboukdjian Doctorant 3e me anne e Jean-Philippe Nomine Encadrant CEA Vincent Danjean Directeur de the se Bruno

Plus en détail

Limitations of the Playstation 3 for High Performance Cluster Computing

Limitations of the Playstation 3 for High Performance Cluster Computing Introduction Plan Limitations of the Playstation 3 for High Performance Cluster Computing July 2007 Introduction Plan Introduction Intérêts de la PS3 : rapide et puissante bon marché L utiliser pour faire

Plus en détail

La programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique

La programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique La programmation linéaire : une introduction Qu est-ce qu un programme linéaire? Qu est-ce qu un programme linéaire? Exemples : allocation de ressources problème de recouvrement Hypothèses de la programmation

Plus en détail

Comparaison entre une architecture matérielle dédiée et un GP-GPU pour l optimisation

Comparaison entre une architecture matérielle dédiée et un GP-GPU pour l optimisation Comparaison entre une architecture matérielle dédiée et un GP-GPU pour l optimisation Université de Bretagne-Sud Lab-STICC, Lorient, France ROADeF Troyes, France 13-15 Février 2013 1/22 Objectifs Après

Plus en détail

Notion de modèle - Processus d analyse Application à la méthode des Eléments finis

Notion de modèle - Processus d analyse Application à la méthode des Eléments finis Notion de modèle - Processus d analyse Application à la méthode des Eléments finis La présentation est animée, avancez à votre vitesse par un simple clic Chapitres 1 et 6 du polycopié de cours. Bonne lecture

Plus en détail

Introduction aux Méthodes de Monte Carlo

Introduction aux Méthodes de Monte Carlo Méthodes de Monte Carlo pour la Modélisation et le Calcul Intensif Applications à la Physique Numérique et à la Biologie Séminaire CIMENT GRID Introduction aux Méthodes de Monte Carlo Olivier François

Plus en détail

Evaluation des performances de programmes parallèles haut niveau à base de squelettes

Evaluation des performances de programmes parallèles haut niveau à base de squelettes Evaluation des performances de programmes parallèles haut niveau à base de squelettes Enhancing the Performance Predictability of Grid Applications with Patterns and Process Algebras A. Benoit, M. Cole,

Plus en détail

Problème combinatoire sur le réseau de transport de gaz. Nicolas Derhy, Aurélie Le Maitre, Nga Thanh CRIGEN Manuel Ruiz, Sylvain Mouret ARTELYS

Problème combinatoire sur le réseau de transport de gaz. Nicolas Derhy, Aurélie Le Maitre, Nga Thanh CRIGEN Manuel Ruiz, Sylvain Mouret ARTELYS Problème combinatoire sur le réseau de transport de gaz Nicolas Derhy, Aurélie Le Maitre, Nga Thanh CRIGEN Manuel Ruiz, Sylvain Mouret ARTELYS Au programme Présentation du problème Un problème d optimisation

Plus en détail

Les acteurs : projet

Les acteurs : projet 2008 1 Les acteurs : projet Projet SimuMéca2010 Aster - exploitation - développement Mathieu Courtois Salomé_Méca - plate-forme - relations à NEPAL Isabelle Fournier Ista - innovation - R&D code Mickaël

Plus en détail

Parallel Tree-based Exact Algorithms using Heterogeneous Many and Multi-core Computing for Solving Challenging Problems in Combinatorial Optimization

Parallel Tree-based Exact Algorithms using Heterogeneous Many and Multi-core Computing for Solving Challenging Problems in Combinatorial Optimization Parallel Tree-based Exact Algorithms using Heterogeneous Many and Multi-core Computing for Solving Challenging Problems in Combinatorial Optimization Rudi Leroy Encadrement : N. Melab (Univ. Lille 1),

Plus en détail

LA DEMARCHE DE PROJET

LA DEMARCHE DE PROJET LA DEMARCHE DE PROJET Baccalauréat STI2D-SIN SIN 1.1 : La démarche de projet Objectifs o Utiliser les outils adaptés pour planifier un projet (Revue de projet, Cartes mentales, Gantt, chemin critique...

Plus en détail

Rappels, SISD, SIMD. Calculateurs hybrides (GPU-OpenCL) Rappels, MIMD mémoire partagée. Rappels, MIMD mémoire partagée. Rappels... SISD,...

Rappels, SISD, SIMD. Calculateurs hybrides (GPU-OpenCL) Rappels, MIMD mémoire partagée. Rappels, MIMD mémoire partagée. Rappels... SISD,... Rappels, SISD, SIMD Calculateurs hybrides (GPU-OpenCL) Rappels... SISD,... SIMD Formation d Ingénieurs de l Institut Galiléee MACS 3 Philippe d Anfray Philippe.d-Anfray@cea.fr CEA DSM 2013-2014 SISD :

Plus en détail

Fonctions de plusieurs variables

Fonctions de plusieurs variables Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme

Plus en détail

Utilisation d informations visuelles dynamiques en asservissement visuel Armel Crétual IRISA, projet TEMIS puis VISTA L asservissement visuel géométrique Principe : Réalisation d une tâche robotique par

Plus en détail

NUMECA et son bureau d études NUMFLO, spécialisé dans la simulation numérique des effets du vent 06-11-2013

NUMECA et son bureau d études NUMFLO, spécialisé dans la simulation numérique des effets du vent 06-11-2013 Propositio n NUMECA et son bureau d études NUMFLO, spécialisé dans la simulation numérique des effets du vent Guillaume Terlinden Sales Engineer, NUMECA Virginie Barbieux Head of Consulting Group, NUMFLO

Plus en détail

Résolution d équations non linéaires

Résolution d équations non linéaires Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique

Plus en détail

Portage et optimisation d applications de traitement d images sur architecture Kalray Mppa-Manycore Journées de la Compilation

Portage et optimisation d applications de traitement d images sur architecture Kalray Mppa-Manycore Journées de la Compilation Portage et optimisation d applications traitement d images sur architecture Kalray Mppa-Manycore Journées la Compilation Pierre Guillou Centre recherche en informatique Mines ParisTech 4 décembre 2013

Plus en détail

Module Mixmod pour OpenTURNS

Module Mixmod pour OpenTURNS Module Mixmod pour OpenTURNS Régis LEBRUN EADS Innovation Works 23 septembre 2013 EADS IW 2013 (EADS Innovation Work) 23 septembre 2013 1 / 21 Outline Plan 1 OpenTURNS et propagation d incertitudes 2 Mixmod

Plus en détail

Résultats des benchmarks de HPC1 après ajout de 100 cœurs. Date : 06/09/2012. Auteur : Ph Parnaudeau

Résultats des benchmarks de HPC1 après ajout de 100 cœurs. Date : 06/09/2012. Auteur : Ph Parnaudeau Résultats des benchmarks de HPC1 après ajout de 1 cœurs. Date : 6/9/212 Auteur : Ph Parnaudeau 1. Evolution de la configuration la plate forme de calcul du LJLL : HPC1 HPC1 1 Février 211 : UV1 est une

Plus en détail

Architecture des Systèmes d Information Architecture des Systèmes d Information

Architecture des Systèmes d Information Architecture des Systèmes d Information Plan... Tableaux et tris I3 - Algorithmique et programmation 1 Rappels Nicol Delestre 2 Tableaux à n dimensions 3 Initiation aux tris Tableaux - v2.0.1 1 / 27 Tableaux - v2.0.1 2 / 27 Rappels : tableau

Plus en détail

Evolution des technologies de calcul intensif vers les systèmes multi-cœurs et accélérateurs

Evolution des technologies de calcul intensif vers les systèmes multi-cœurs et accélérateurs Evolution des technologies de calcul intensif vers les systèmes multi-cœurs et accélérateurs Marc Mendez-Bermond Expert solutions HPC Programme Contexte Technologies Evolutions 2 Confidentiel Research

Plus en détail

CALCUL ELMENTS FINIS ET OPTIMISATION DE FORME DANS LES STRUCTURES AEROSPATIALES. Pr. BOUDI El Mostapha Ecole Mohammadia d Ingénieurs Rabat

CALCUL ELMENTS FINIS ET OPTIMISATION DE FORME DANS LES STRUCTURES AEROSPATIALES. Pr. BOUDI El Mostapha Ecole Mohammadia d Ingénieurs Rabat CALCUL ELMENTS FINIS ET OPTIMISATION DE FORME DANS LES STRUCTURES AEROSPATIALES Pr. BOUDI El Mostapha Ecole Mohammadia d Ingénieurs Rabat En quelques mots Objectif : Contrôle des calculs par la Méthode

Plus en détail

Communications performantes par passage de message entre machines virtuelles co-hébergées

Communications performantes par passage de message entre machines virtuelles co-hébergées Communications performantes par passage de message entre machines virtuelles co-hébergées François Diakhaté1,2 1 CEA/DAM Île de France 2 INRIA Bordeaux Sud Ouest, équipe RUNTIME Renpar 2009 1 Plan Introduction

Plus en détail

Pour un socle de la licence de MATHEMATIQUES

Pour un socle de la licence de MATHEMATIQUES Pour un socle de la licence de MATHEMATIQUES Société Mathématique de France Société de Mathématiques Appliquées et Industrielles Société Française de Statistique Contexte général Afin d éviter de trop

Plus en détail

Probabilités 5. Simulation de variables aléatoires

Probabilités 5. Simulation de variables aléatoires Probabilités 5. Simulation de variables aléatoires Céline Lacaux École des Mines de Nancy IECL 27 avril 2015 1 / 25 Plan 1 Méthodes de Monte-Carlo 2 3 4 2 / 25 Estimation d intégrales Fiabilité d un système

Plus en détail

Système. Introduction aux systèmes informatiques

Système. Introduction aux systèmes informatiques Introduction aux systèmes informatiques Système Un système est une collection organisée d'objets qui interagissent pour former un tout Objets = composants du système Des interconnexions (liens) entre les

Plus en détail

Mathématiques contextualisées et technologie: le cas des hypothèques Partie 1 : présentation

Mathématiques contextualisées et technologie: le cas des hypothèques Partie 1 : présentation GRMS 2007 GRMS 2007 Mathématiques contextualisées et technologie: le cas des hypothèques Partie 1 : présentation André Boileau et Maurice Garançon, UQAM Vous êtes-vous déjà demandé comment font les banques

Plus en détail

Quantification d incertitude et Tendances en HPC

Quantification d incertitude et Tendances en HPC Quantification d incertitude et Tendances en HPC Laurence Viry E cole de Physique des Houches 7 Mai 2014 Laurence Viry Tendances en HPC 7 Mai 2014 1 / 47 Contents 1 Mode lisation, simulation et quantification

Plus en détail

Le Hachage Parfait Fait-il un Parfait Test de Sous-typage?

Le Hachage Parfait Fait-il un Parfait Test de Sous-typage? Le Hachage Parfait Fait-il un Parfait Test de Sous-typage? Roland Ducournau LIRMM CNRS Université Montpellier II Langages et Modèles à Objets Nîmes 2006 Roland Ducournau (LIRMM) Hachage Parfait et Test

Plus en détail

IFT6561. Simulation: aspects stochastiques

IFT6561. Simulation: aspects stochastiques IFT 6561 Simulation: aspects stochastiques DIRO Université de Montréal Automne 2013 Détails pratiques Professeur:, bureau 3367, Pav. A.-Aisenstadt. Courriel: bastin@iro.umontreal.ca Page web: http://www.iro.umontreal.ca/~bastin

Plus en détail

Méthode Agile de 3 ème génération. 2008 J-P Vickoff

Méthode Agile de 3 ème génération. 2008 J-P Vickoff PUMA Essentiel Méthode Agile de 3 ème génération 1 Structure de la présentation PUMA Essentiel méthode Agile de 3 ème génération Quelques principes Agiles Principales pratique Agile de pilotage Structure

Plus en détail

Présentation du logiciel Xcas

Présentation du logiciel Xcas Présentation du logiciel Xcas Xcas est un logiciel très complet qui permet d effectuer : Du calcul numérique, valeur exactes ou approchées ; Du calcul formel, du plus simple, développer factoriser jusqu

Plus en détail

Cours de Génie Logiciel

Cours de Génie Logiciel Cours de Génie Logiciel Sciences-U Lyon Gestion de Projet Informatique http://www.rzo.free.fr Pierre PARREND 1 Mars 2005 Sommaire Gestion de projet informatique Cycle de vie du logiciel Modèles de Méthodes

Plus en détail

Niveaux 1 2 3 4 Option spécifique - 2 2 3 Option complémentaire - - 2 2

Niveaux 1 2 3 4 Option spécifique - 2 2 3 Option complémentaire - - 2 2 Direction de l'instruction publique, de la culture et du sport Direktion für Erziehung, Kultur und Sport Service de l enseignement secondaire du deuxième degré Amt für Unterricht der Sekundarstufe 2 CANTON

Plus en détail

Plate forme de modélisation en vue de la prédiction de la durée de vie des bétons vis-à-vis de la pénétration d agents agressifs

Plate forme de modélisation en vue de la prédiction de la durée de vie des bétons vis-à-vis de la pénétration d agents agressifs Plate forme de modélisation en vue de la prédiction de la durée de vie des bétons vis-à-vis de la pénétration d agents agressifs Phase d'initiation de la corrosion vis-à-vis de la - pénétration d'agents

Plus en détail

Résolution générique à la volée de systèmes d équations booléennes et applications

Résolution générique à la volée de systèmes d équations booléennes et applications Résolution générique à la volée de systèmes d équations booléennes et applications Radu Mateescu INRIA Rhône-Alpes / VASY Plan Introduction Systèmes d équations booléennes d alternance 1 Algorithmes de

Plus en détail

Architecture des ordinateurs. Optimisation : pipeline. Pipeline (I) Pipeline (II) Exemple simplifié : Instructions de type R

Architecture des ordinateurs. Optimisation : pipeline. Pipeline (I) Pipeline (II) Exemple simplifié : Instructions de type R Architecture des ordinateurs Licence Informatique - Université de Provence Jean-Marc Talbot Optimisation : pipeline jtalbot@cmi.univ-mrs.fr L3 Informatique - Université de Provence () Architecture des

Plus en détail

Optimisation for Cloud Computing and Big Data

Optimisation for Cloud Computing and Big Data 1 / 23 Optimisation for Cloud Computing and Big Data Olivier Beaumont, Lionel Eyraud-Dubois 2 / 23 Aujourd hui Problèmes de fiabilité on va oublier la dynamicité Placement de VMs en programmation par contraintes

Plus en détail

téléphone sur l'exposition de la tête»

téléphone sur l'exposition de la tête» «Analyse statistique de l'influence de la position du téléphone sur l'exposition de la tête» A.Ghanmi 1,2,3 J.Wiart 1,2, O.Picon 3 1 Orange Labs R&D 2 WHIST LAB (http://whist.institut-telecom.fr), 3 Paris

Plus en détail

I L AS «Compilation pour les systèmes embarqués» II Méthodes d analyse et d optimisation de programmes

I L AS «Compilation pour les systèmes embarqués» II Méthodes d analyse et d optimisation de programmes I L AS «Compilation pour les systèmes embarqués»...situation et problématique II Méthodes d analyse et d optimisation de programmes...approche collaborative et exemples de techniques Philippe Clauss ICPS-LSIIT,

Plus en détail

WP2T23 «APPLICATION de de REFERENCE» Prototypage rapide d une application de traitement d images avec SynDEx EADS

WP2T23 «APPLICATION de de REFERENCE» Prototypage rapide d une application de traitement d images avec SynDEx EADS WP2T23 «APPLICATION de de REFERENCE» Prototypage rapide d une application de traitement d images avec SynDEx EADS Avec l appui de l INRIA www-rocq.inria.fr/syndex 1 PLAN I. Présentation du sujet II. Présentation

Plus en détail

Introduction au maillage pour le calcul scientifique

Introduction au maillage pour le calcul scientifique Introduction au maillage pour le calcul scientifique CEA DAM Île-de-France, Bruyères-le-Châtel franck.ledoux@cea.fr Présentation adaptée du tutorial de Steve Owen, Sandia National Laboratories, Albuquerque,

Plus en détail

Modèles et algorithmes pour la reconfiguration de systèmes répartis utilisés en téléphonie mobile

Modèles et algorithmes pour la reconfiguration de systèmes répartis utilisés en téléphonie mobile Modèles et algorithmes pour la reconfiguration de systèmes répartis utilisés en téléphonie mobile Renaud Sirdey Chercheur au CEA / Ex-architecte système Nortel Journée du prix de thèse Guy Deniélou, 4

Plus en détail

Parallélisme. Cours 1

Parallélisme. Cours 1 Parallélisme Cours 1 TD : 20% - TP : 30% - Examen : 50% Feuille A4 manuscrite (pas de photocopie) Fabrice.Huet@etu.unice.fr (prendre rdv par mail pr le contacter) A quoi sert le parallélisme? Augmenter

Plus en détail

Visualisation : Besoin Industriels

Visualisation : Besoin Industriels Visualisation : Besoin Industriels Laurent Anné, DISTENE Campus Teratec, Bruyères-le-Châtel 27 juin 2012 A propos de DISTENE Représentant exclusif d EnSight en Europe du Sud EnSight est un logiciel de

Plus en détail

TP Méthodes Numériques

TP Méthodes Numériques ENSIMAG 1ère année, 2007-2008 TP Méthodes Numériques Objectifs Les objectifs de ce TP sont : de revenir sur les méthodes de résolution des équations différentielles vues en cours de MN ; d utiliser un

Plus en détail

Génération aléatoire de structures ordonnées

Génération aléatoire de structures ordonnées Génération aléatoire de structures ordonnées Olivier Roussel Équipe APR Laboratoire d Informatique de Paris 6 Université Pierre et Marie Curie ALÉA 2011 7 mars 2011 Olivier Roussel (LIP6) Génération de

Plus en détail

Ordonnancement Temps Réel. Emmanuel GROLLEAU & Pascal RICHARD LISI/ENSMA {grolleau,richardp}@ensma.fr

Ordonnancement Temps Réel. Emmanuel GROLLEAU & Pascal RICHARD LISI/ENSMA {grolleau,richardp}@ensma.fr Ordonnancement Temps Réel Emmanuel GROLLEAU & Pascal RICHARD LISI/ENSMA {grolleau,richardp}@ensma.fr 2 Plan de la présentation 1. Introduction aux systèmes temps réel 1.1 Différents modèles de tâches 1.2

Plus en détail

La Décomposition de Domaine Appliquée à la réduction de bruit

La Décomposition de Domaine Appliquée à la réduction de bruit La Décomposition de Domaine Appliquée à la réduction de bruit Cadre général : réduction du bruit extérieur Panorama des difficultés et enjeux Un cahier des charges? isabelle.terrasse@eads.net eric.duceau@eads.net

Plus en détail

MCMC et approximations en champ moyen pour les modèles de Markov

MCMC et approximations en champ moyen pour les modèles de Markov MCMC et approximations en champ moyen pour les modèles de Markov Gersende FORT LTCI CNRS - TELECOM ParisTech En collaboration avec Florence FORBES (Projet MISTIS, INRIA Rhône-Alpes). Basé sur l article:

Plus en détail

Architecture des calculateurs

Architecture des calculateurs Chapitre 1 Architecture des calculateurs 1.1 Introduction Ce paragraphe n a pas la prétention de présenter un cours d informatique. D une manière générale, seuls les caractéristiques architecturales qui

Plus en détail

Une heuristique hybride pour le problème de set packing biobjectif p.1/19

Une heuristique hybride pour le problème de set packing biobjectif p.1/19 Une heuristique hybride pour le problème de set packing biobjectif Xavier Delorme 1,2, Xavier Gandibleux 2,3 et Fabien DEGOUTIN 2,4 1. Ecole Nationale Supérieure des Mines de Saint-Etienne Centre : Génie

Plus en détail

Avion composite: nouvel environnement électromagnétique dans la distribution électrique. A.Goleanu, JM.Guichon, JL.Schanen, M.Dunand, M.

Avion composite: nouvel environnement électromagnétique dans la distribution électrique. A.Goleanu, JM.Guichon, JL.Schanen, M.Dunand, M. Avion composite: nouvel environnement électromagnétique dans la distribution électrique A.Goleanu, JM.Guichon, JL.Schanen, M.Dunand, M.Lionet Plan de l exposé 1. Introduction 2. Cas d étude 3. Méthode

Plus en détail

Info0804. Cours 6. Optimisation combinatoire : Applications et compléments

Info0804. Cours 6. Optimisation combinatoire : Applications et compléments Recherche Opérationnelle Optimisation combinatoire : Applications et compléments Pierre Delisle Université de Reims Champagne-Ardenne Département de Mathématiques et Informatique 17 février 2014 Plan de

Plus en détail

Ordonnancement des processus. Didier Verna. didier@lrde.epita.fr http://www.lrde.epita.fr/ didier. Systèmes d Exploitation. Didier Verna EPITA

Ordonnancement des processus. Didier Verna. didier@lrde.epita.fr http://www.lrde.epita.fr/ didier. Systèmes d Exploitation. Didier Verna EPITA 1/16 Ordonnancement des processus didier@lrde.epita.fr http://www.lrde.epita.fr/ didier 2/16 Table des matières 1 Ordonnancement et réquisition d ordonnancement 2 d ordonnancement Premier arrivé premier

Plus en détail

Validation numérique de l homogénéisation pour un modèle simplifié de stockage avec sources aléatoires

Validation numérique de l homogénéisation pour un modèle simplifié de stockage avec sources aléatoires Validation numérique de l homogénéisation pour un modèle simplifié de stockage avec sources aléatoires Introduction Modélisation de la migration de radionucléide Vers un modèle probabiliste Calcul des

Plus en détail

Happy birthday ZSet High performance computing dans ZSet

Happy birthday ZSet High performance computing dans ZSet Happy birthday ZSet High performance computing dans ZSet F. Feyel & P. Gosselet Architectures SMP NUMA memory memory memory Distribué memory memory 2 memory memory Hybride memory memory memory memory memory

Plus en détail

en sciences de l ingénieur

en sciences de l ingénieur Systèmes Automatisés Optimisation en sciences de l ingénieur présente les principales méthodes exactes d optimisation statique et dynamique. Parmi les méthodes décrites figurent : - la programmation linéaire

Plus en détail

Une approche pour un contrôle non-linéaire temps réel

Une approche pour un contrôle non-linéaire temps réel Une approche pour un contrôle non-linéaire temps réel L. Mathelin 1 L. Pastur 1,2 O. Le Maître 1 1 LIMSI - CNRS Orsay 2 Université Paris-Sud 11 Orsay GdR Contrôle des décollements 25 Nov. 2009 Orléans

Plus en détail